O aprendizado de máquina é um campo da inteligência artificial já bem estabelecido, com inúmeras utilidades, sobretudo na interpretação de grandes massas de dados.
Agora o interesse está se voltando para o "ensino de máquina", um campo que mistura ciência da computação e psicologia para tentar desenvolver lições que sejam mais facilmente aprendidas pelos humanos.
"Minha esperança é que o ensino de máquina tenha um impacto no mundo educacional. Ele é muito diferente da forma como as pessoas normalmente pensam sobre educação. Ele nos dará lições mais eficazes e personalizadas para estudantes humanos reais," prevê Jerry Zhu, da Universidade Wisconsin-Madison, nos EUA.
No ano passado, a Fundação XPrize lançou um prêmio milionário para o primeiro programa que consiga dar uma palestra para uma plateia humana. Mas Zhu e seus colegas querem desenvolver "palestras otimizadas", ou seja, palestras que permitam um aprendizado melhor do que as aulas tradicionais.
Modelo de estudante
Em vez de lidar com montanhas de dados sem saber que padrões podem ser revelados por sua análise, como ocorre no aprendizado de máquina, o pesquisador envolvido com o ensino de máquina já sabe de antemão o conhecimento que quer repassar aos alunos.
Assim, o foco estará nos estudantes, e na forma como eles aprendem.
"Para que a abordagem do ensino de máquina funcione, ele precisará de um bom modelo de como o aluno se comporta - ou seja, como o comportamento do aluno muda com diferentes tipos de aprendizagem ou experiências práticas," disse o professor Timothy Rogers, membro da equipe. "Além disso, o modelo precisa ser computacional; ele tem que ser capaz de fazer previsões quantitativas concretas sobre o comportamento do aluno."
Os programas usarão algoritmos sofisticados para ajudar a modelar os estudantes humanos reais e descobrir as melhores lições possíveis para que eles aprendam o máximo e o mais rapidamente possível.
Embora a definição de "melhor" caiba a cada professor em cada situação, um exemplo seria identificar o menor número de exercícios necessários para um aluno em particular apreender um conceito. "Poderiam cinco questões realmente boas ensinar o material, em vez de 20?" exemplifica Zhu.
Modelagem do aprendizado
"Em última instância, nós esperamos que o trabalho possa ser usado para ajudar os professores a desenvolver ementas de cursos e planos de aula que promovam a aprendizagem em uma ampla variedade de campos," disse Rogers, citando matemática, ciências e leitura como exemplos.
"E, igualmente importante, o esforço para fazer os modelos cognitivos da aprendizagem lidarem com problemas do mundo real é algo que poderá levar a novos e importantes avanços em nossa compreensão de como as pessoas aprendem de forma geral," finalizou.
O trabalho está nos primeiros estágios, mas a equipe espera apresentar resultados práticos do ensino de máquina nos próximos dois anos.
Bibliografia:
Machine Teaching: an Inverse Problem to Machine Learning and an Approach Toward Optimal Education
Xiaojin Zhu, Timothy Rogers, Michael Ferris, Bilge Mutlu and Stephen Wright; engineering professor Rob Nowak;, psychology professor Martha Alibali; and educational psychology professors Martina, Rau and Percival Matthews.
Twenty-Ninth AAAI Conference on Artificial Intelligence Proceedings
http://pages.cs.wisc.edu/~jerryzhu/machineteaching/pub/MachineTeachingAAAI15.pdf
Fonte: Inovação Tecnológica.
Nenhum comentário:
Postar um comentário